CDPNet:一个可变形的ProtoPNet用于可解释的小麦叶病识别
Jinyu Zeng1, Bingjing Jia1, Chenguang Song1
1College of Information and Network Engineering, Anhui Science and Technology University, Bengbu, Anhui, China.
Frontiers in plant science
|November 24, 2025
概括
一个新的小麦叶病识别模型,CDPNet,通过利用对比学习和注意力机制来提高准确性. 这种先进的计算机视觉方法可以在现场条件下加强疾病检测.
科学领域:
- 农业科学 农业科学
- 计算机视觉 计算机视觉
- 机器学习 机器学习
背景情况:
- 准确识别小麦叶病对粮食安全至关重要.
- 现有的计算机视觉模型面临着分散的病变和缺乏解释性的挑战.
研究的目的:
- 开发一种可解释的计算机视觉模型来识别小麦叶病.
- 在现场条件下提高疾病识别准确度.
主要方法:
- 提出了对比可变形原型零件网络 (CDPNet).
- 利用交叉注意力 (CA) 来增强特征的可辨别性.
- 雇佣的巴洛双胞胎自我监督对比学习以解决数据稀缺问题.
主要成果:
- 在小麦叶病数据集上获得了95.83%的平均识别准确度.
- 超过了基线模型的2.35%.
结论:
- CDPNet为现实世界的小麦疾病识别提供了卓越的性能.
- 该模型提供了可临床解释的决策支持.
更多相关视频
06:28Author Spotlight: Unraveling Plant Responses to Abiotic Stresses Using the PlantScreen Robotic Platform
Published on: June 7, 2024
2.6K
07:36Visualizing Early Infection Sites of Rice Blast Disease Magnaporthe oryzae on Barley Hordeum vulgare Using a Basic Microscope and a Smartphone
Published on: March 17, 2023
2.1K
